C# 使用pdfbox求助，提取文本提取了一堆控制字符..

风--还在吹 2016-04-19 09:21:45
有木有大神用过这个pdfbox
因为需要对pdf进行提取文本操作，所以之前用了iTextSharp，但是因为协议是AGPL，所以改用pdfbox，结果给出去以后测试直接就打回来了...提取谋篇文字版PDF的时候，提取了一堆这种东西出来，没有正常的文字。
有没有大神用过pdfbox，看下这种问题出现的原因是什么，要怎么去解决呢
...全文
232 9 打赏 收藏 转发到动态 举报
写回复
用AI写文章
9 条回复
切换为时间正序
请发表友善的回复…
发表回复
风--还在吹 2016-05-20
  • 打赏
  • 举报
 回复
引用 8 楼 rocmemory 的回复:
比如word在生成pdf或xps的时候，就有两种方式，使用打印功能生成的文件，可以直接阅读，但是不支持编程读写，但是使用“导出”功能生成的版本却可以，希望可以给你帮助。
如果是打印版的出来就是图片了，确实是不能读写，而且图片上也无法选取文字。但是这个是可以选取到文字的，但是提不出来东西，不知道是用什么玩意生成的PDF... 最后还是没解决，散粉
为轮子而生 2016-05-18
  • 打赏
  • 举报
 回复
我觉得很可能问题出在pdf文档上，pdf跟xps一样，都有打印版和发布版，可以暂且不管这个问题，换个其他的pdf文档试试
为轮子而生 2016-05-18
  • 打赏
  • 举报
 回复
比如word在生成pdf或xps的时候，就有两种方式，使用打印功能生成的文件，可以直接阅读，但是不支持编程读写，但是使用“导出”功能生成的版本却可以，希望可以给你帮助。
wireboy 2016-05-18
  • 打赏
  • 举报
 回复
快扔分，话说解决了没
风--还在吹 2016-05-18
  • 打赏
  • 举报
 回复
再凑几个人结贴了。分都没人要了么...
Poopaye 2016-05-16
  • 打赏
  • 举报
 回复
风--还在吹 2016-05-16
  • 打赏
  • 举报
 回复
好吧好吧，，没人懂，那来几个人接分好了，别浪费
风--还在吹 2016-05-13
  • 打赏
  • 举报
 回复
木有大神弄个这方面的东西么...
风--还在吹 2016-04-21
  • 打赏
  • 举报
 回复
木有大牛来解决下问题么= = 还有个问题，不知道有没人遇到过，PDFBOX 0.7.3 版本有个IKVM.GNU.Classpath，加上其他也就4个DLL，但是下了个1.8.9版本的，引用就需要引用3个DLL，然后还要在bin目录下复制另外5个DLL，这样好麻烦，有木有人有好的办法解决这么多小尾巴的问题
适用于C#的PDFBox-dll(1.8.9 Net版)
本资源是已编译好，最新版PDFbox1.8.9，直接用于C# 1、在代码中引用 IKVM.OpenJDK.Core.dll IKVM.OpenJDK.SwingAWT.dll pdfbox-1.8.9.dll 2、将下列DLL复制到程序编译目录 commons-logging.dll fontbox-1.8.9.dll IKVM.OpenJDK.Text.dll IKVM.OpenJDK.Util.dll IKVM.Runtime.dll fontbox-1.8.9.dll 3、Sample code (C#) using org.apache.pdfbox.pdmodel; using org.apache.pdfbox.util; // ... private static string ExtractTextFromPdf(string path) { PDDocument doc = null; try { doc = PDDocument.load(path) PDFTextStripper stripper = new PDFTextStripper(); return stripper.getText(doc); } finally { if (doc != null) { doc.close(); } } }
pdfbox1.8.3.dll C#
最新版pdfbox1.8.3 C#版 通过iKVM转换过来的！ 性能比之前版本号。运行时会报错，根据错误将bin中相应的dll引入即可。
PDFBox-2.0.19 for .Net | c#用PDFBox解析PDF
pdfbox for .Net目前的最新版PDFBox-2.0.19 用法： 将压缩包内所有dll拷贝到项目编译目录， 在项目中引用 IKVM.OpenJDK.Core.dll IKVM.OpenJDK.SwingAWT.dll pdfbox-app-2.0.19.dll 在代码中引入命名空间using org.apache.pdfbox.text; 然后 PDDocument doc = PDDocument.load(new java.io.File("文件路径")); PDFTextStripper pdfStripper = new PDFTextStripper(); string text = pdfStripper.getText(doc); 即可
pdfbox1.0.jar
使用PDFBox操作PDF 1.6版本时会出现错误： （1）pdfbox0.7.3 java.lang.NullPointerException at org.pdfbox.pdmodel.PDPageNode.getCount(PDPageNode.java:116) at org.pdfbox.pdmodel.PDDocument.getNumberOfPages(PDDocument.java:772) （2）pdfbox0.8 org.apache.pdfbox.exceptions.WrappedIOException at org.apache.pdfbox.pdfparser.PDFParser.parse(PDFParser.java:237) at org.apache.pdfbox.pdmodel.PDDocument.load(PDDocument.java:841) at org.apache.pdfbox.pdmodel.PDDocument.load(PDDocument.java:808) at org.apache.pdfbox.pdmodel.PDDocument.load(PDDocument.java:733) pdfbox1.0能修复以上bugs
C# 使用PdfBox进行合并pdf
使用PdfBox合并pdf,内有fontbox-1.8.9.dll，pdfbox-1.8.9.dll，itextsharp.pdfa.dll可供使用
C#

110,534

社区成员

642,575

社区内容

发帖
与我相关
我的任务
社区描述
.NET技术 C#
社区管理员
  • C#
  • Web++
  • by_封爱
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告

让您成为最强悍的C#开发者

试试用AI创作助手写篇文章吧

+ 用AI写文章